更高，更快，更強!在奧林匹克精神的指引下，人類一直在探尋著自我突破之路，世界紀錄在刷新——停滯——刷新的輪回中一次又一次試探著人類的極限。與人斗，其樂無窮。那么，與 AI 比試呢?

　　在剛剛結(jié)束的進博會上，歐姆龍展示了他們的最新研究成果——乒乓球機器人 FORPHEUS，這讓人類在體育層面與 AI 對抗變成了現(xiàn)實。以后，人類在“掂量”自己之前，可能要先問問自己，打的過那個 AI 嗎?

　　從發(fā)球機到陪練機器人

　　其實歐姆龍在進博會上展示的乒乓球機器人 FORPHEUS 已經(jīng)是它的第 5 代。

　　2013 年時歐姆龍推出了它的第一代 FORPHEUS，在兩臺攝像機的協(xié)助下，F(xiàn)ORPHEUS 可以在1/1000 秒內(nèi)控制擊球的時機與方向，通過預測乒乓球的運動軌跡，包括球速、旋轉(zhuǎn)速度、旋轉(zhuǎn)方向等幾個數(shù)據(jù)，從而計算出應(yīng)該讓球拍以什么角度、在哪個點回擊，當時就具備了與業(yè)余選手連續(xù)練球的水平。

　　2015 年時，進化到第四代的 FORPHEUS 被吉尼斯世界紀錄認證為世界首個“乒乓球教練機器人”，此時的 FORPHEUS 已經(jīng)可以發(fā)球和應(yīng)對簡單的扣球了。最新一代的 FORPHEUS 進一步優(yōu)化 AI 算法和機械調(diào)試，將回球誤差控制在 0.1 毫米之內(nèi)，另外增設(shè)了一個追蹤人類動作的攝像頭，評估人類的實際運動水平。利用機器學習技術(shù)對球的軌跡進行分析，判斷對手水平，調(diào)整自己水平，爭取做到與對手匹配。

　　人類從剛剛出生，到能拿起球拍接上幾個難度不高的球，至少需要 5 年時間。從無到有，同樣只花了 5 年時間，F(xiàn)ORPHEUS 已經(jīng)可以成為一些業(yè)余選手的陪練甚至做他們的教練。

　　相比只能執(zhí)行單一角度、有去無回任務(wù)的發(fā)球機，在 AI 加持下的 FORPHEUS 的進化速度讓人咋舌。AlphaGo 戰(zhàn)勝李世石時，讓我們看到了人類與 AI 在自我學習和計算能力方面的差距，現(xiàn)今站在球臺旁的 FORPHEUS 則確實在運動競技層面給了人類極大的壓力。

　　要想戰(zhàn)勝人類，陪練機器人還存技術(shù)障礙

　　已經(jīng)進化了 5 代的 FORPHEUS，怎樣才能從一個業(yè)余選手的陪練機器人“成長”為可以和專業(yè)運動員過招的高手呢?讓我們先從比較簡單的發(fā)球機的工作原理和其中需要運用到的知識來剖析一下。

　　一個稍微智能一點的發(fā)球機需要有用于處理風速風向、溫度、自身位置和接發(fā)球運動員位置等信息的處理器，用以計算出發(fā)球的速度、旋轉(zhuǎn)和方向。其中包括圖像采集和識別系統(tǒng)、可編程處理器和傳感器、博弈論(分析發(fā)球種類和接發(fā)球策略的博弈)以及機械工程知識。

　　如果是一個可以和人類打來打去的陪練機器人，還需要它可以移動、揮拍、躲避障礙……AI 需要接收和處理的信息數(shù)量與發(fā)球機相比根本不是一量級，由于陪練機器人在多個領(lǐng)域還存在技術(shù)障礙，這也使得陪練機器人在短時間內(nèi)還無法戰(zhàn)勝的人類。

　　1、陪練機器人應(yīng)用場景、使用條件均有有限制

　　需要承認的是，體育運動領(lǐng)域?qū)τ?AI 來說是一個巨大的藍海，但是直到目前，AI 陪練機器人僅僅只在乒乓球和羽毛球這兩個項目中出現(xiàn)，且它們的球技還遠遠達不到“業(yè)余高手”的水平，這也使得其商業(yè)變現(xiàn)能力大打折扣。

　　鮑春來在娛樂節(jié)目《機智過人》中與羽毛球機器人過招，明顯看出面對人類高手的前后場調(diào)動、大力扣殺、追身球等技巧面前，機器人根本沒有招架之力。而乒乓球機器人在面對擦網(wǎng)球、擦邊球、高球以及旋轉(zhuǎn)球等偶發(fā)情況或者技巧面前也沒有很好的應(yīng)對策略。

　　其實，我們并不懷疑 AI 的學習能力，所有已知的運動技巧和比賽策略，像 AlphaGo 那樣，AI 通過自我學習都能掌握，而現(xiàn)在，陪練機器人需求提高的是它的“運動能力”，它們也需要變得“更高、更快、更強”。

　　2、單打獨斗與團隊協(xié)作還存巨大鴻溝

　　現(xiàn)在的陪練機器人只能應(yīng)用于單人對抗的場景，面對雙人比賽或者像足球、籃球那樣的團隊協(xié)作性項目時，陪練機器人面臨著比提高“運動能力”更高的門檻。

　　電子競技的 DOTA2 項目中，去年的 TI7 上，Open AI 在 1V1 的對抗中輕松戰(zhàn)勝人類高手;而今年的 TI8 上，Open AI 在 5V5 比試中確沒能延續(xù)勝利。

　　雖然 Open AI 1 天的訓練量相當于人類玩 180 年，在即時即地的反應(yīng)也做得非常漂亮，但在比賽中，Open AI 還是暴露出混亂無序的宏觀決策策略。當雙方僵持或者人類進行戰(zhàn)略性避戰(zhàn)的情況下，Open AI 的團隊協(xié)同就開始出現(xiàn)分歧。

　　陪練機器人的技術(shù)技巧、運動能力甚至比賽策略都可以通過 AI 的自我學習和人類機械工程技術(shù)的突破而提高，然而“團隊協(xié)作”，這個作為人類社會屬性的特殊存在，AI 僅僅通過“自我學習”就能融會貫通并運用自如嗎?在這方面，與其說 AI 還需大量的自我學習，不如說人類對 AI 在“團隊協(xié)作”能力提升方面還有很多的工作尚未完成，對于是否應(yīng)該賦予 AI 社會屬性方面也還處于矛盾之中。

　　3、從“機器”到“機器人”的進化尚未完成

　　都說 FORPHEUS 是陪練機器人，但是 FORPHEUS 的外觀與人形相比，還是相差甚遠。FORPHEUS 的外形就像是大型三腳獸，將乒乓球桌一端包圍在身體下，站在球臺對面看去，F(xiàn)ORPHEUS 只是一臺機器，并不具備傳統(tǒng)意義上的“人形”。

　　也正因為如此，F(xiàn)ORPHEUS 擁有很大的局限性，在面對高球、扣殺時，無法像人類一樣通過位移稍離球臺，等到球速變緩再做出高質(zhì)量的回擊。

　　人類從爬行進化到直立行走用了幾百萬年，AI 機器人從靜止到直立行走甚至跑步躲避障礙不過短短 10 幾年時間。相信 FORPHEUS 從趴在球臺上的三角獸進化成真正意義上的“機器人”的時間不會太長，到時不光是乒乓球，陪練機器人會越來越多的出現(xiàn)在那些有激烈身體對抗的體育項目中。

　　說不定當你和朋友要來一場籃球或者足球比賽人員不齊時，會請上一個陪練機器人上場“湊數(shù)”呢。

　　與人比?還是與 AI 比?考量技術(shù)溫度的選擇題

　　不管你愿不愿意，陪練機器人遲早會走進人類的生活，到時陪練機器人可以充當?shù)慕巧赡懿⒉粏螁问悄愕呐憔毥叹殻灿锌赡苁悄阋谫悎錾狭帒?zhàn)勝的對手。而你到底是喜歡和人比還是和 AI 比呢?對于這個問題，人類其實早已給出了答案。

　　就如網(wǎng)絡(luò)游戲，有的人喜歡玩 PVP，操作游戲人物和屏幕對面的人類競技;有的人喜歡玩 PVE，操作游戲人物和游戲開發(fā)者事先設(shè)定好的虛擬人物比賽。這兩條平行向前，永不交叉的線其實代表著人類在面對兩種不同類型競爭對手的態(tài)度，人類可以從中獲取兩種不同性質(zhì)的快感。

　　回到未來的奧林匹克賽場，無論是與人類自己比賽還是和 AI 比賽，人類最終目標都是要爭取勝利。而現(xiàn)在人類糾結(jié)的癥結(jié)在于，與人類比賽，如果輸了，可以感受到來自對手的鼓勵、安慰或是嘲諷;如果贏了，也可感受來自對手的失望、沮喪或是祝賀。這些都是人類獨有的社會屬性中才會激發(fā)的情感表達。

　　而當你面對 AI，無論輸贏，AI 給你的結(jié)果最終只會歸結(jié)為 0 或者是1。人類的進化就是在不斷挑戰(zhàn)自我的螺旋式上升之中完成的，當挑戰(zhàn)對象由人類自我變成了 AI，人類的的進化還有意義嗎?

　　現(xiàn)今，對于陪練機器人在 AI 上的訓練除了各個運動項目的技巧和策略外，人類應(yīng)該更多考慮如何讓它們變得更有“溫度”，如何讓人類感受來自 AI 的溫暖，如何讓 AI 在 “科學”、“技術(shù)”與“社會”之間彼此互相影響，互相促進。

　　如何戰(zhàn)勝 AI?給人類支個招

　　雖然現(xiàn)在的陪練機器人還很稚嫩，雖然人類在 DOTA2 的團隊比賽項目中戰(zhàn)勝了 AI，但人類其實一直在等待 AI 戰(zhàn)勝自己的那一刻。可是高傲的人類從來不會甘于失敗，當 AI 真的具備了戰(zhàn)勝人類的能力時，人類可否還有翻盤的機會?面對一個不會緊張，不會嘚瑟，不會沮喪，沒有情緒波動，也不會體力下降的同時還擁有高超運動技巧的 AI 機器人，必須承認，人類的辦法并不多，但人類也并不是毫無勝算。

　　首先，在技巧層面。人類可以更多的采用“假動作”來打斷 AI 的陣腳。

　　在現(xiàn)階段，AI 都是通過高速攝像機來記錄球的運動軌跡并結(jié)合對人類動作、位置、神態(tài)等細節(jié)進行計算并給出回應(yīng)策略。很明顯，所見即所得。AI 的世界中只有“1”和“0”，耿直的 AI 可能難以對人類做出的具有欺騙性質(zhì)的“假動作”做出準確判斷。

　　倫敦頂尖 AI 實驗室 DeepMind 對曾對現(xiàn)有的 AI 學習能力有過如是評價：“現(xiàn)在的 AI 非常擅長識別圖片中的物體，但仍無法很好的理解視頻。” DeepMind 的研究表明，AI 對于有些集中在身體的某一部分或是比較快速的動作，如舞蹈的識別準確率也不是非常理想。

　　由此延伸，AI 在賽場上即時捕獲的數(shù)據(jù)和信息對于 AI 的判斷幫助有限，特別是當人類用“假動作”對 AI 輸入的數(shù)據(jù)和信息進行“干擾”時，善于解答概率問題的 AI，很可能會將判斷結(jié)果傾向于由人類制造出的那個看似會產(chǎn)生大概率的方向。通俗一點，人類用“假動作” “騙”過了 AI。

　　今后，人類日常訓練的方向和重點可能要進行大幅調(diào)整——如何將“假動作”做得更真。而我們只希望，人類的“假動作”在騙過 AI 的時候，可千萬別把隊友也騙過去了。

　　其次，開發(fā)新戰(zhàn)術(shù)和新技巧。根據(jù) AI 的運作原理，AI 的所有運動技巧和比賽策略都是基于人類現(xiàn)有的程度通過大量的自我學習而掌握的，由于 AI 過度依賴邏輯運算，既有的運算規(guī)則下，當比賽中人類使出了之前沒有出現(xiàn)過的新技術(shù)，或者新的比賽策略，AI 在短時間內(nèi)是難以適應(yīng)的。

　　即便 AI 會根據(jù)人類以往的比賽來判斷對手的風格，但兵無常勢，人類不按套路出牌，不遵循 AI 計算邏輯，加上比賽中的隨機性和一些偶然因素，如乒乓球比賽中的擦網(wǎng)球、擦邊球，足球比賽中的立柱折射、反彈球等，這些都成了人類戰(zhàn)勝 AI 的可能性。

　　最后，如果N次嘗試還是無法越過 AI 這座大山，那么——就把它的電源掐掉吧。
　?。?a href="http://www.32401.cn">邯鄲建站）